Vocabulaire

Ensemble d'individus

"données", "corpus", "échantillon", "data"

Très souvent tabulaires

Unité statistique élémentaire : personnes, logements...

→ "les lignes du tableau"

Caractéristiques, propriétés d'un individu, mesurées par des enquêtes, des observations...

→ "les colonnes du tableau"

Qualitatives : facteurs e.g. couleur, genre, CSP, type de pokemon... → notion de modalité

Quantitatives : nombres e.g. taille, masse, revenu, surface, points de vie... parfois exprimés avec des unités : m, kg, s

Variables quantitatives continues : $var \in \R $

Valeurs réelles, toutes les valeurs de l'intervalle de mesures peuvent exister

Variables quantitatives discrètes : $var \in \N $

Valeurs entières, pour des attributs dénombrables (comptage)

parfois utilisées pour encoder une variable qualitative à deux modalités e.g. présence (1), absence (0)

Les valeurs sont prises dans un ensemble fini de valeurs possibles, défini par extension (i.e. on donne la liste des valeurs possibles)

→ notion de modalités

→ nominales (non ordonnées ex état civil) ou

→ ordinales (ordonnées ex échelle de Likert)

Spécificité de la statistique spatiale : à quelle échelle observer ?

Quel découpage, quelles unités spatiales ?

"Problème insoluble" : le MAUP (Modifiable Areal Unit Problem)

Mailles administratives :

agrégation/imbrication d’unités spatiales prédéfinies : comtés, départements, régions, pays...

e.g. Comprendre comment le taux de chômage d'un pays est distribué entre les régions pour guider les politiques économiques

Découpages :

identification d'unités spatiales ayant des catactéristiques semblables

e.g. IRIS, carroyage

Désagrégation ou Ventilation :

→ Inférer des caractéristiques individuelles à partir de l'analyse de données agrégées (ni facile ni immédiat)

Agrégation :

→ Inférer des caractéristiques concernant les unités agrégés d'après les caractéristiques individuelles

Problème d'agrégation spatiale : les résultats d'une analyse statistique spatiale dépendent du choix d'agrégation

→ biais "systématique et insoluble"

Exemples tirés du rapport ESPON :

Introduction à Pandas

Librairie python pour manipuler, explorer, visualiser, nettoyer, traiter... intuitivement des données tabulaires :

import numpy as np
import pandas as pd
							

Deux structures de données de base dans Pandas (Classes Python)

• Series: Données unidimensionnelles de n'importe quel type
• DataFrame: Données tabulaires

df = pd.dataframe(data, index=index_names, columns=columns_names)
							

• df: la variable Python qui va contenir le dataframe.
• data: les données sous forme de tableau Python, de dictionnaire ou d'array de Numpy.
• index: (optionnel) la liste des indices des individus
• columns: (optionnel) la liste des noms des variables (statistiques)

data = [[20, "F", 1.64], [21, "M", 1.52], [21, "F", 1.72]]
names = ["Alice", "Bob", "Eve"]
variables = ["age", "genre", "taille"]
df = pd.DataFrame(data, columns=variables, index=names)
df
							

Exemple : df = pd.read_csv("chemin/vers/le/fichier.csv")

Toutes ces méthodes renvoient une nouvelle table, elles ne modifient pas df

Modifier l'age d'Alice : df.loc["Alice", "age"] = 21 (modifie vraiment df)

Modifier l'age de tout le monde : df.loc[:, "age"] = df.loc[:, "age"] + 1

df["envergure des bras"] = [1.60, 1.76, 1.74]
df["Indice Ape"] = df["envergure des bras"]/df["taille"]
df
							

• Jointures (fusionner des tables)
• Groupements
• Aggrégation
• Méthodes statistiques
• Visualisation de données
• Transformations sur les lignes et les colonnes
• ...

La librairie GeoPandas étend Pandas pour les données géographiques (vecteurs)

Lecture de divers formats de fichiers géospatialisés (shapefile, geojson...)

Colonne geometry qui stocke les unités spatiales (Shapely)

Opérations géométriques et topologiques